• 23 Nov, 2025 *

本指南翻译自Google AI Studio发布的文章 Complete Developer Tutorial for Nano Banana Pro

探索这一下一代 AI 模型的高级功能——包括思维能力、搜索溯源和惊艳的 4K 输出——将如何赋能你构建复杂且富有创意的应用程序。

虽然 Flash 模型（Nano Banana）带来了速度和实惠，但 Pro 版本引入了“思维”能力、搜索溯源和高保真 4K 输出。是时候在复杂的创意任务上“大展身手”了！

本指南将通过 Gemini 开发者 API 带你了解 Nano Banana Pro 的高级功能。

本指南将涵盖：

1. 在 Google AI Studio 中使用 Nano Banana Pro
2. 项目设置
3. 初始化客户端
4. 基础生成（经典用法）
5. “思维”过程
6. 搜索溯源
7. 高分辨率 4K 生成
8. 多语言能力
9. 高级图像混合
10. Pro 专属演示
11. 最佳实践和提示词技巧

注意：如需本文的交互式版本，请查看 Python 指南 (Cookbook) 或 AI Studio 的 Javascript 笔记本。

---

1. 在 Google AI Studio 中使用 Nano Banana Pro

虽然最终用户可以在 Gemini 应用 中访问 Nano Banana Pro，但开发者原型设计和测试提示词的最佳环境是 Google AI Studio。

AI Studio 是一个游乐场，让你在编写任何代码之前就能试验所有可用的 AI 模型，它也是使用 Gemini API 进行构建的入口。

与 Nano-Banana 不同，Pro 版本没有免费层级，这意味着你需要选择一个启用了计费功能的 API 密钥（请参阅下文的“项目设置”部分）。

提示：你也可以在 AI Studio 的 ai.studio/apps 直接 Vibe Code（凭感编程）Nano Banana Web 应用，或者探索代码并改编现有的 应用案例。

2. 项目设置

要跟随本指南操作，你需要以下内容：

• 一个来自 Google AI Studio 的 API 密钥。
• 为你的项目设置计费。
• 适用于 Python 或 JavaScript/TypeScript 的 Google Gen AI SDK。

如果你已经是拥有所有这些配置的硬核 Gemini API 用户，太棒了！请跳过本节直接进入下一节。否则，请按以下步骤开始：

步骤 A：获取你的 API 密钥

当你首次登录 AI Studio 时，系统会自动创建一个 Google Cloud 项目和一个 API 密钥。

打开 API 密钥管理屏幕 并点击“复制”图标以复制你的 API 密钥。

步骤 B：启用计费

因为 Nano Banana Pro 没有免费层级。你必须在你的 Google Cloud 项目上启用计费。

在 API 密钥管理屏幕 中，点击项目旁边的 设置计费 (Set up billing)，并按照屏幕上的说明进行操作。

Nano Banana Pro 的费用是多少？

使用 Nano Banana Pro 生成图像比 Flash 版本更昂贵，尤其是 4K 图像。在本文发布时，生成一张 1K 或 2K 图像的费用为 $0.134，而 4K 图像为 $0.24（外加输入和文本输出的 token 费用）。 请查看文档中的 定价 以获取最新详情。

专业提示：要节省 50% 的生成成本，你可以使用 批处理 (Batch) API。作为交换，你可能需要等待最多 24 小时才能拿到图像。

步骤 C：安装 SDK

选择你偏好语言的 SDK。

Python:

pip install -U google-genai
# 安装用于图像处理的 Pillow 库
pip install Pillow

JavaScript / TypeScript:

npm install @google/genai

注意：以下示例使用 Python SDK 进行演示。在 JavaScript 中使用 Nano Banana 的等效代码片段请参考此 JS 笔记本。

3. 初始化客户端

要使用 Pro 模型，你需要使用 gemini-3-pro-image-preview 模型 ID。

from google import genai
from google.genai import types

# 初始化客户端
client = genai.Client(api_key="YOUR_API_KEY")

# 设置模型 ID
PRO_MODEL_ID = "gemini-3-pro-image-preview"

4. 基础生成（经典用法）

在介绍高级功能之前，让我们先看一个标准生成示例。你可以使用 response_modalities（获取文本和图像或仅获取图像）和 aspect_ratio（宽高比）来控制输出。

# 提示词：创建一张逼真的暹罗猫图片，左眼绿色，右眼蓝色
prompt = "Create a photorealistic image of a siamese cat with a green left eye and a blue right one"
# 宽高比选项: "1:1","2:3","3:2","3:4","4:3","4:5","5:4","9:16","16:9" 或 "21:9"
aspect_ratio = "16:9"

response = client.models.generate_content(
model=PRO_MODEL_ID,
contents=prompt,
config=types.GenerateContentConfig(
response_modalities=['Text', 'Image'], # 或者仅 ['Image']
image_config=types.ImageConfig(
aspect_ratio=aspect_ratio,
)
)
)

# 显示图像
for part in response.parts:
if image:= part.as_image():
image.save("cat.png")

聊天模式也是一个选项（实际上这也是我推荐用于多轮编辑的模式）。请查看第 8 个示例“多语言 Banana”中的例子。

5. “思维”过程

Nano Banana Pro 不仅仅是在绘画；它在思考。这意味着它可以在生成图像之前，对你最复杂、最刁钻的提示词进行推理。最棒的是什么？你可以窥探它的大脑！

要启用此功能，请在 thinking_config 中设置 include_thoughts=True。

# 提示词：创建一张不寻常但逼真的、可能会病毒式传播的图片
prompt = "Create an unusual but realistic image that might go viral"
aspect_ratio = "16:9"

response = client.models.generate_content(
model=PRO_MODEL_ID,
contents=prompt,
config=types.GenerateContentConfig(
response_modalities=['Text', 'Image'],
image_config=types.ImageConfig(
aspect_ratio=aspect_ratio,
),
thinking_config=types.ThinkingConfig(
include_thoughts=True # 启用思维展示
)
)
)

# 显示图像和思维过程
for part in response.parts:
if part.thought:
print(f"Thought: {part.text}")
elif image:= part.as_image():
image.save("viral.png")

你应该会得到类似这样的输出：

## Imagining Llama Commuters (想象美洲驼通勤者)

I'm focusing on the llamas now. The goal is to capture them as
daily commuters on a bustling bus in La Paz, Bolivia...
(我现在正专注于美洲驼。目标是将它们描绘成玻利维亚拉巴斯繁忙公交车上的日常通勤者...)

[IMAGE]

## Visualizing the Concept (可视化概念)

I'm now fully immersed in the requested scenario...
(我现在完全沉浸在请求的场景中...)

这种透明度有助于你理解模型是如何解读你的请求的。这就像是在和你的画师对话！

6. 搜索溯源 (实时魔法)

最具颠覆性的功能之一是 搜索溯源 (Search Grounding)。Nano Banana Pro 不会停留在过去；它可以访问 Google 搜索的实时数据，生成准确、最新的图像。想要天气信息？没问题。

例如，你可以要求它可视化当前的天气预报：

# 提示词：将东京未来 5 天的当前天气预报可视化为简洁、现代的天气图表。添加我每天应该穿什么的可视化建议。
prompt = "Visualize the current weather forecast for the next 5 days in Tokyo as a clean, modern weather chart. add a visual on what i should wear each day"

response = client.models.generate_content(
model=PRO_MODEL_ID,
contents=prompt,
config=types.GenerateContentConfig(
response_modalities=['Text', 'Image'],
image_config=types.ImageConfig(
aspect_ratio="16:9",
),
tools=[{"google_search": {}}] # 启用 Google 搜索
)
)

# 保存图像
for part in response.parts:
if image:= part.as_image():
image.save("weather.png")

# 显示来源 (你必须始终这样做)
print(response.candidates[0].grounding_metadata.search_entry_point.rendered_content)

7. 追求极致：4K 生成

需要打印级质量的图像？Nano Banana Pro 支持 4K 分辨率。因为有时候，大就是好。

# 提示词：一张橡树经历所有季节的照片
prompt = "A photo of an oak tree experiencing every season"
# 分辨率选项: "1K", "2K", "4K", 注意必须大写。
resolution = "4K"

response = client.models.generate_content(
model=PRO_MODEL_ID,
contents=prompt,
config=types.GenerateContentConfig(
response_modalities=['Text', 'Image'],
image_config=types.ImageConfig(
aspect_ratio="1:1",
image_size=resolution
)
)
)

注意：4K 生成成本更高，请明智使用！

8. 多语言 Banana (多语言能力)

该模型可以生成并翻译图像中的文本，支持超过十几种语言。它基本上就是你眼前的通用翻译机。

# 生成西班牙语信息图
# 提示词：制作一张适合六年级学生的、用西班牙语解释爱因斯坦广义相对论的信息图
message = "Make an infographic explaining Einstein's theory of General Relativity suitable for a 6th grader in Spanish"

response = chat.send_message(message,
config=types.GenerateContentConfig(
image_config=types.ImageConfig(aspect_ratio="16:9")
)
)

# 保存图像
for part in response.parts:
if image:= part.as_image():
image.save("relativity.png")

# 将其翻译成日语
# 提示词：将此信息图翻译成日语，保持其他所有内容不变
message = "Translate this infographic in Japanese, keeping everything else the same"

response = chat.send_message(message)

# 保存图像
for part in response.parts:
if image:= part.as_image():
image.save("relativity_JP.png")

9. 混合起来！(高级图像混合)

Flash 模型最多可以混合 3 张图像，而 Pro 模型最多可以处理 14 张图像！这简直就是一个提示词里的派对。非常适合创建复杂的拼贴画或展示你的整个产品线。

# 混合多张图像
response = client.models.generate_content(
model=PRO_MODEL_ID,
contents=[
"An office group photo of these people, they are making funny faces.", # 这些人的办公室合影，他们在做鬼脸。
PIL.Image.open('John.png'),
PIL.Image.open('Jane.png'),
# ... 最多添加 14 张图像
],
)

# 保存图像
for part in response.parts:
if image:= part.as_image():
image.save("group_picture.png")

注意：如果你想要角色具有非常高的保真度，请限制在 5 个以内，这对于派对之夜来说已经足够多了！

10. 炫技时间！(Pro 专属演示)

以下是一些只有使用 Nano Banana Pro 才能实现的示例。准备好被惊艳吧：

个性化像素艺术 (搜索溯源)

提示词：“Search the web then generate an image of isometric perspective, detailed pixel art that shows the career of Guillaume Vernade” (搜索网络，然后生成一张等轴测视角的详细像素艺术图像，展示 Guillaume Vernade 的职业生涯)

这利用搜索溯源来查找有关某人的具体信息，并以特定风格将其可视化。

复杂文本集成

提示词：“Show me an infographic about how sonnets work, using a sonnet about bananas written in it, along with a lengthy literary analysis of the poem. Good vintage aesthetics” (给我看一张关于十四行诗如何运作的信息图，其中包含一首关于香蕉的十四行诗，以及对该诗的详细文学分析。采用优质的复古美学风格)

该模型可以生成连贯的长文本，并将其完美集成到复杂的布局中。

高保真样机

提示词：“A photo of a program for the Broadway show about TCG players on a nice theater seat, it’s professional and well made, glossy, we can see the cover and a page showing a photo of the stage.” (一张放在精致剧院座位上的、关于 TCG 玩家的百老汇演出节目单的照片，看起来专业且制作精良，有光泽，可以看到封面和展示舞台照片的内页。)

创建具有准确光照和纹理的印刷品逼真样机。

11. Nano Banana 和 Nano Banana Pro 的最佳实践及提示词技巧

为了通过 Nano Banana 模型获得最佳效果，请遵循以下提示词准则：

• 极度具体 (Be Hyper-Specific)：你提供的主体、颜色、光照和构图细节越多，你对输出的控制权就越大。
• 提供上下文和意图 (Provide Context and Intent)：解释图像的目的或期望的氛围。模型对上下文的理解将影响其创意选择。
• 迭代和优化 (Iterate and Refine)：不要指望第一次尝试就完美。利用模型的对话能力进行增量更改并优化你的图像。
• 使用分步指令 (Use Step-by-Step Instructions)：对于复杂的场景，将你的提示词分解为一系列清晰、连续的指令。
• 使用正面描述 (Use Positive Framing)：与其使用“没有汽车”这样的负面提示，不如从正面描述所需的场景：“一条空旷、废弃的街道，没有任何交通迹象。”
• 善用搜索溯源 (Use search grounding to your advantage)：当你明确希望模型使用实时或现实世界数据时，要非常精确。“搜索网络关于奥林匹克里昂队上一场比赛的信息并制作图表”比仅仅说“里昂队上一场比赛的图表”效果更好（后者可能也行，但不要冒险）。
• 使用 批处理 (Batch) API 降低成本并获得更多配额：批处理 API 是一种一起发送少量或大量请求的方法。它们可能需要长达 24 小时来处理，但作为交换，你可以节省 50% 的生成成本。而且配额也更高！

若要深入了解最佳实践，请查阅文档中的 提示词指南 以及官方博客上发布的 Nano Banana 提示词最佳实践。

---

结语

Nano Banana Pro (Gemini 3 Pro Image) 开启了 AI 图像生成的新前沿。凭借其思考、搜索和 4K 渲染能力，它是一个属于严肃创作者（以及认真玩乐者）的工具。

准备好尝试了吗？前往 Google AI Studio，尝试或自定义我们的 应用，或者查看 指南 (cookbook)。

---

参考链接列表